تشارك نماذج LFM3 أساسًا صغيرًا لستة فروع، مع مسار منفصل للقرارات المنظمة

يتفرع أساس واحد إلى ست وظائف مختلفة

يولد LFM3-1.7B النص. ويضيف LFM3-VL-2B الصور والفيديو إلى المدخلات، بينما يستقبل LFM3-Audio-2B النص أو الصوت ويخرج النص أو الكلام. ويجمع LFM3-Omni-2B المدخلات النصية والبصرية والصوتية مع إخراج نص أو كلام. يوضح مخطط الفروع مسارات تدريب منفصلة انطلاقًا من أساس واحد، وليس نقطة تحقق واحدة بست واجهات قابلة للتبادل. وتشرح البطاقة النصية، بصورة منفصلة، أن MOPD يقطر ستة معلمين متخصصين في طالب واحد؛ وهؤلاء المعلمون ليسوا فروع المنتج الستة.

أما d1-2B وd1-omni-2B فيشتقان من VL وOmni على الترتيب ويعيدان إجابات منظمة مع احتمالات. وترى AISubHub أن البداية تكون بتحديد متطلبات المدخلات والمخرجات: فالمحادثة الصوتية وقرار توجيه مستند ذي حقول محددة مشكلتان هندسيتان مختلفتان. كما أن وصف «فئة 2B» لا يعني أن كل نموذج يحتوي على ملياري معامل بالضبط.

تتشارك المعالجة المحلية والسياق الشامل 24 طبقة

تذكر LiquidAI أن طبقات الالتفاف ذات البوابات وعددها 13 تستخدم نواة بحجم سبعة بدلًا من ثلاثة في LFM2؛ وتستخدم خمس طبقات انتباه نافذة من 256 توكن، بينما تعمل ست طبقات على كامل السياق. وتكتمل المعمارية ببوابات sigmoid لكل رأس، وRoPE للنصف الأعلى ترددًا فقط من كل رأس انتباه شامل، وRoPE الكامل في طبقات النافذة، وتطبيع المدخلات والمخرجات. يشمل البحث الذي يُدخل العتاد في حلقة الاختبار 14 توليفة من الأجهزة وبيئات التنفيذ الخلفية؛ ولا يعني ذلك اعتماد كل عملية نشر على تلك الأجهزة.

دُرّب الأساس على 22T توكن إجمالًا، تشمل مرحلة تدريب وسيط أخيرة من 3.5T، مع مفردات حجمها 128K. وتوضح البطاقة النصية أن سياق 256K يجمع المدخلات والمخرجات. وفي مقارنة المدونة الطرفية لكل معامل مع LFM2-1.2B تتساوى سرعة المطالبات القصيرة ويكون الاستدلال عند سياق 8K أسرع بنحو 25%؛ وتذكر أيضًا نحو 1GB بدقة 4-bit. ونوصي بحساب أعباء بيئة التشغيل وذاكرة السياق والوسائط بصورة منفصلة، لا بالوعد بأن تطبيق السياق الطويل بأكمله سيلائم تلك المساحة.

تحتاج مقارنات النص والرؤية إلى أسسها الأصلية

في النص، تذكر المدونة معاملات أقل بنسبة 35% من LFM2.5-2.6B ونتيجتين 38.42 مقابل 3.02 على WebArena-Verified. وفي الرؤية تقارن LFM3-VL-2B مع LFM2.5-VL-3B عند 1.9B مقابل 3.1B معامل، مع ارتفاع متوسط 62 معيارًا من 57.6 إلى 71.4، وتصفه بأنه مقارب لـGemma 4 12B. هذه مقارنات مشروطة تنقلها الشركة، وليست ترتيبًا شاملًا أو نتائج أعدنا إنتاجها هنا.

يُقال إن مُرمّز الرؤية الجديد البالغ 164M يحتاج نحو ثلث حسابات مُرمّز SigLIP2 السابق. أما مقارنة الدقة المنفصلة مع مُرمّز Qwen3.5-2B فتستخدم الأساس اللغوي نفسه LFM2.5-230M للطرفين، وتذكر نحو 1/2.2 من عمليات FLOPs. ولا تمثل مقارنة المُرمّزين المضبوطة تأخير النموذج كله. ودمج كل زوج من الإطارات المأخوذة بالعينة في شريحة زمنية واحدة ينصف طول التسلسل الزمني، لكنه لا يثبت ثبات الدقة لكل فيديو.

توقيت الكلام يصف مكونات، لا المحادثة بأكملها

يضيف الفرع الصوتي مُرمّزًا سببيًا وLiquidCodec. وتشرح المدونة الترجمة بين 18 لغة، وتنقل UTMOSv2 بقيمة 3.83 مقابل 3.22 لـLFM2.5-Audio-1.5B. وتذكر أن زمن أول توكن قد ينخفض إلى 50ms، لكنها لا تحدد عتاد هذا الرقم أو شروط القياس كاملة. وزمن أول توكن ليس تأخيرًا مُثبتًا من الميكروفون إلى الإجابة.

أما سرعة فك الترميز المنفصلة، البالغة نحو 87 ضعف سرعة الزمن الحقيقي، فتخص فك ترميز الكلام عبر الكودك على خيط CPU واحد في Apple M4 Max. ولا يصح نقل هذه السرعة إلى توليد النموذج أو النقل الشبكي أو جميع الأجهزة. ويجمع Omni الوسائط ويستشهد بمقارنات مع نماذج أكبر على Daily-Omni وWorldSense وAV-SpeakerBench. هذه الاختبارات المحددة لا تثبت تفوقًا شاملًا في كل المهام متعددة الوسائط، ولا تمثل تقييمًا صوتيًا أجريناه.

يجيب d1 عن أسئلة مسماة في تمرير أمامي واحد

بدلًا من مطالبة نموذج ذاتي الانحدار بكتابة فقرة، يستقبل d1 حالة وعدة أسئلة. ويصنف المثال طلب استرداد، ويوجه التذكرة إلى فريق، ويختار الموضوعات، ويمنح درجة للاستعجال. والمقصود بالتمرير الأمامي الواحد هو الإجابة عن هذه الأسئلة؛ فهو لا يلغي المعالجة المسبقة للصور أو الصوت ولا يحول التطبيق كله إلى عملية واحدة. ويضيف d1-omni المدخل الصوتي إلى نهج القرار هذا.

تقول LiquidAI إن معاملات d1-2B أقل بثلث من d1-3B وإن نتائجه أعلى في مجموعات القرار الأربع المعروضة، ومنها 75.5 مقابل 64.0 على ImajevBench. ويظل وصف «معاير» وصفًا من الشركة: فالاحتمال ليس دليلًا على صحة إجابة بعينها. ونوصي قبل النشر باختبار المعايرة وحدود التوجيه على البيانات المقصودة، بما فيها تغير التوزيع والحالات التي تحتاج مراجعة بشرية.

يبقى بعد الضبط الدقيق عمل يتعلق بالعتاد والاستخدام والترخيص

تغطي الدفاتر SFT لاستخراج JSON من المستندات، وDPO للإجابة المستندة إلى الوثائق المسترجعة أو الامتناع، وGRPO لتطبيق هاتف يضم 108 أدوات، وCPT للتركية، إلى جانب مهام الرؤية والأوامر المنطوقة. وتقول المدونة إن كل نموذج يقبل الضبط الدقيق على GPU واحد، من دون تحديد ذاكرته أو طول التسلسل أو مدة التدريب أو تكلفته. ولا يثبت الدرس التعليمي موثوقية التطبيق الناتج.

توصي البطاقة النصية بالاسترجاع أو البحث للمهام كثيفة المعرفة، ولا توصي بالبرمجة الوكيلة أو الاستدلال المعقد متعدد الخطوات بسبب صغر النموذج. لم نشغّل كودًا أو نماذج، ولم ندقق الدفاتر، ولم نشاهد فيديو الروبوتات المرتبط. لذلك لا يقدم المقال ادعاءً بشأن موثوقية الروبوتات.

تحدد البطاقة LFM Open License v1.0 لنقطة التحقق النصية. ويعرّف النص حدًا لإيراد سنوي يبلغ US$10 million، ويقيد الاستخدام التجاري من الكيانات التي تتجاوز ذلك الحد، مع استثناء للاستخدام غير التجاري أو البحثي للمنظمات غير الربحية المؤهلة والتزامات لإعادة التوزيع. ليست هذه إذنًا تجاريًا غير مشروط؛ وتحتاج الحدود الدقيقة إلى قراءة الشروط كاملة. ولم نفحص تراخيص نقاط التحقق الخمس الأخرى كلًا على حدة.